最近，我们看到人工智能发生了不太明显的转变。生成人工智能（GAI）——人工智能的一部分，可以生成各种数据——开始产生可接受的结果，而且越来越好。随着 GAI 模型变得更好，问题随之而来，例如 GAI 模型可以实现什么？或者，如何将数据生成用于您自己的项目？

在本课程中，我们将尽可能最好地回答这些问题以及更多问题。

我们采取3个角度： 

1. 应用角度：我们了解了许多 GAI 应用领域，然后我们思考从中可以出现哪些进一步的项目。最终，我们指出了良好的起点以及如何有效实施 GAI 模型。

   应用程序列表如下。

2. 技术角度：我们看看存在哪些 GAI 模型。我们将只关注代码的相关部分，而不是一年后将不准确的管理代码（只需谷歌一下即可）。此外，还会有一个偏移：从计算图到神经网络，到深度神经网络，再到卷积神经网络（图像和视频生成的基础）。

   架构列表如下。

3. 道德角度/道德人工智能：我们讨论 GAI 模型的担忧以及公司和政府如何防止进一步的伤害。

享受您的 GAI 之旅！

讨论的应用领域列表：

• 网络安全 2.0（对抗性攻击与防御）
• 3D 对象生成
• 文本到图像的翻译
• 视频到视频翻译
• 超分辨率
• 交互式图像生成
• 人脸生成
• 生成艺术
• 使用 GAN 进行数据压缩
• 域转移（即风格转移、草图到图像、分割到图像）
• 加密货币、区块链、NFT
• 创意生成器
• 自动视频生成和视频预测
• 文本生成、NLP 模型（包括 Co-Pilot 等编码建议）
• GAI展望
• ETC。

我们在课程中介绍的生成式人工智能架构/模型（至少在概念上）：

• （原版）GAN
• 自动编码器
• 变分自动编码器
• 风格-GAN
• 条件生成对抗网络
• 3D-GAN
• 高甘
• DC-GAN
• 循环GAN
• GPT-3
• 渐进式生成对抗网络
• 比甘
• 游戏GAN
• 大GAN
• 像素2Vox
• 广域网
• 堆栈GAN
• ETC。